The permanent magnet (PM) spherical motor has been subject to growing interest from the scientific community due to its potential for applications in distinct areas, particularly in robotics, prosthetics, satellite control, sensors or camera systems. Motivated by this movement, the current work presents all the steps for the efficient design and construction of a spherical motor model, using compound deposition technology with the aid of a 3D printer. Furthermore, we report comprehensive studies on the accuracy of the positioning system of the proposed motor using only three stator coils, which jointly act to move the rotor axis toward any point in the hemisphere. Unmodeled nonlinear phenomena, such as friction, impair accurate positioning of the motor actuator, but this is solved by means of a visual servo control system, which allows the user to collect input–output data to train an artificial neural network model. Details on the construction of the proposed motor are reported, in addition to the numerical results of the positioning control in tracking a desired trajectory.

Diante da necessidade de equipamentos mais eficientes e com menor custo de fabricação, as indústrias de transformadores de distribuição buscam novas tecnologias para aprimorar seus projetos. Este trabalho tem como objetivo realizar o dimensionamento da parte ativa de um transformador trifásico de distribuição, utilizando a técnica de inteligência computacional com algoritmo genético, visando minimizar o peso total da materia-prima e atender as normas de eficiência vigentes. Foram testadas e avaliadas tres situações distintas, nas quais as funções de custo do algoritmo foram modificadas. No primeiro caso, o objetivo foi minimizar as perdas respeitando as normas. No segundo caso, buscou-se minimizar as perdas, mantendo-as 5% abaixo do limite estipulado por norma. No terceiro caso, procurou-se otimizar tanto as perdas quanto a massa do transformador. A partir dessa implementação, foi possível traçar a superfície de busca do algoritmo genético, revelando a dimensão do espaço de busca do projeto. Além disso, verificou-se que a redução das perdas implica em um maior custo. O algoritmo genético obteve sucesso na busca pelo transformador ótimo e é uma excelente ferramenta para auxiliar os projetistas.